基于NOSA的煤矿企业井下微环境风险评估研究

摘 要：针对现阶段煤矿企业井下微环境评估存在的评估指标特征单一、评估模型效率低等问题，提出一种基于NOSA的煤矿企业井下微环境风险评估模型。首先通过对煤矿企业井下8项微环境指标特征进行分析并将指标进行无量纲化处理；其次采用层次分析和模糊评估相结合的方法确定井下各项微环境指标的权重，将NOSA与各项环境危险因素权重结果融合，构成基于NOSA的煤矿企业井下微环境风险评估模型；最后将模型应用于陕西某矿，并从多维数据耦合分析、辅助决策方案的提出以及井上下设备联动等方面建立了对井下微环境管理的相关应对措施，应用结果表明：模型对该煤矿企业井下微环境的安全评估结果为较安全，对应NOSA管理的评级为三星，符合现场实际情况，所提模型能够较好的对煤矿企业井下微环境指标进行分析计算，对辅助提升煤矿企业井下微环境的日常管控水平奠定重要基础。

关键词：NOSA；煤矿企业；微环境风险评估；层次分析；模糊评估

中图分类号：F 426.21

文献标识码：A

文章编号：1672-7312（2024）05-0545-08

Research on Underground Microenvironmental Risk Assessment of Coal Mining Enterprises Based on NOSA

YAN Zhenguo，WANG Yanping，WANG Yan

（College of Safety Science and Engineering，Xi’an University of Science and Technology，Xi’an 710054，China）

Abstract：In order to solve the problems of single characteristics of evaluation index and low efficiency of evaluation model in the assessment of underground microenvironment of coal mining enterprises at this stage，a risk assessment model of underground microenvironment of coal mining enterprises based on NOSA was proposed.Firstly，the characteristics of eight micro-environmental indicators in the underground of coal mining enterprises were analyzed，and the indicators were dimensionless.Secondly，the combination of analytic hierarchy process and fuzzy assessment was used to determine the weights of various underground micro-environmental indicators，and the weights of NOSA and various environmental risk factors were integrated to form a risk assessment model of underground micro-environment of coal mining enterprises based on NOSA.Finally，the model is applied to a mine in Shaanxi，and the relevant countermeasures for the management of the underground microenvironment are established from the aspects of multi-dimensional data coupling analysis，auxiliary decision-making scheme and the linkage of underground equipment.It is of great guiding significance to assist in improving the management level of underground microenvironment in coal mining enterprises.

Key words：NOSA；coal mining company；microenvironmental risk assessment；hierarchical analysis；fuzzy evaluation

0 引言

在工业4.0时代背景下，煤矿企业面临着前所未有的机遇与挑战，煤炭产业转型与技术革新是推进行业发展的必然趋势^[1-2]。绿色新能源领域的快速发展，对煤炭行业也提出新的要求，煤矿必须采用更加高效的开采方式与管理模式，实现整体智能化生产与管控^[3-4]。近年来，随着煤炭行业自动化、智能化水平的提升，煤矿事故死亡人数与百万吨死亡率逐年下降，2013年我国煤矿百万吨死亡率首次降至0.3以下达到0.293，自2018年起我国煤矿百万吨死亡率持续保持在0.1以下，2021年达到最低为0.044，2023年又增至0.094，可以看到虽然我国煤矿安全形势趋于好转但井下事故仍时有发生，究其原因是对煤矿相关安全、健康与环境风险管理体系多侧重在职业安全与员工健康，对井下微环境的分析和预警不足，未能将环境风险管理进行整合，导致在安全管理方面依然存在缺陷，因此加强煤矿安全管理是保障煤矿安全、高效生产的重要途径^[5-6]。

目前国内外专家学者在煤矿井下环境分析方面做了大量工作，主要针对煤矿井下工作面环境安全评价存在的指标多维性和权重赋值主观性的问题展开研究，关维娟^[7]等提出了基于多目标决策理想区间法对煤矿工作面监测指标进行分级实现综合评价。在此基础上，邢媛媛等^[8]提出采用二元比较模糊量化方法对工作面的多监测指标进行权重分析，从而对掘进工作面进行综合评价。胡媛媛等^[9]构建了基于投影寻踪模型，根据投影值对煤矿掘进工作面的环境进行评价。随着对煤矿安全管理的愈发重视，NOSA五星安健环管理体系（以下简称NOSA管理体系）被逐渐应用到煤矿井下安全风险管理过程中，NOSA管理体系是以风险管理为基础，以细化结构为原则将管理部门的职责和员工的职责相结合，实现安全、健康、环保于一体的管理体系，能够有效整合风险。马小辉等^[10]将NOSA管理体系应用于煤矿防冲管理过程中，通过与安全生产标准化管理体系相融合有效提升了煤矿冲击地压预防和管控能力。

对于煤矿井下作业人员而言，往往受制于微环境多因素的影响，导致安全事故增加，因此通过对煤矿企业井下8项微环境指标特征进行分析并将指标进行无量纲化处理，采用层次分析和模糊评估相结合的方法确定井下各项微环境指标的权重，将NOSA与井下各项环境危险因素权重结果相融合，构成基于NOSA的煤矿企业井下微环境管理模型，并应用于陕西某煤矿企业，该模型的应用对提高煤矿井下安全管理工作具有重要意义。

1 煤矿企业井下微环境指标特征分析

1.1 微环境指标特征分析

煤矿生产的主要作业场所在井下，其复杂的环境特点导致安全事故频发^[11-12]。而影响井下环境的指标主要包括温度、湿度、粉尘、有害气体、噪声、光照、瓦斯和作业条件等8个因素，选取上述因素作为煤矿企业井下微环境评估指标，通过对环境指标的特征分析，进一步建立煤矿作业环境评估指标体系，并对相关指标进行基于NOSA系统的分级。

1.1.1 有害气体

煤矿井下常见的有害气体包括一氧化碳、甲烷等，对于有害气体的处理方式可根据下式（1）进行处理。

S=L（C/M）（1）

式中，有害气体的危害指数用S来表示；有害气体的浓度用C；M为有害气体浓度的上限值；L为肺总通气量权系数。分级标准见表1。

1.1.2 粉尘

粉尘超标用超标倍数进行计算，超标倍数见式（2）。

B=CC-1（2）

式中， B为超标倍数；C为8 h工作日接触粉尘的时间加权平均浓度，mg/m³；C为工作面空气环境粉尘浓度的允许值，mg/m³。《煤矿安全规程》第739条规定了作业场所空气中总粉尘、呼吸性粉尘浓度最高容许标准，粉尘分级见表2。

对于粉尘基于NOSA管理系统的分级如下：B≤0，为达标；0<B≤3，为超标；B>3，为严重超标；根据评估需要，细分为了5个等级，见表3。

1.1.3 温度

温度是个区间性指标^[13-14]，《煤矿安全规程》中规定综采工作面的空气温度不能超过26 ℃，将大于某一定值或者小于某一定值作为评判标准。对温度基于NOSA的系统分级表标准见表4。

1.1.4 湿度

井下工人长期生活在比较阴暗潮湿的地方，很容易引发各种湿痹症，湿度等级划分标准见表5。

1.1.5 噪声

煤矿井下噪声无法用准确的数学表达式计算分析，分级标准采用噪声作业指数评估法进行，即

Z=T/（L/L）（3）

式中，T为噪声时间计权系数；L为工作面环境实测噪声声级均值，dB；L为工作面环境噪声允许声级（通常为85 dB），根据GBJ87—1985《工业企业噪声控制设计标准》和GBZ1—2010《工业企业设计卫生标准》中的规定，对综采工作面噪声计权系数进行分级见表6。

根据Z值可把噪声的危害分为5级，级别越高危害越大。稳态噪声的工作场所，每个测试点测量三次，取其平均值；非稳态噪声场所，通过等效声级计算评估噪声强度。工作面噪声环境分级见表7。

1.1.6 照明

煤矿井下光照条件波动变化直接影响井下作业人员的工作效率。煤矿井下作业场所的照明环境普遍不佳的原因较多，主要原因在于煤矿井下工作面比较封闭且煤岩体光反射差，对于光照的定量处理见下式（4）。

E=I/d²（4）

式中，E为照度，lx；I为光源强度，cd；d为被照射面与光源距离，m。

对于光照的分级标准见表8。将光照强度、炫光情况、亮度排列、颜色情况和色光分别按照状态分布进行描述为：>90为满意、>80为较满意、>70基本满意、>60为不满意、＜60为极不满意。

1.1.7 作业条件

井下作业条件受采煤机运行过程影响较大，易暴露于高煤尘环境中，作业面生产条件相对复杂，因此通过调查问卷的方式进行打分，并将其划分等级标准见表9。

1.1.8 瓦斯的基本特征和分级

影响矿井综采工作面瓦斯浓度的因素众多，煤矿综采工作面瓦斯浓度的变化严重影响煤矿的安全生产和作业人员的生命安全，而高瓦斯矿井对此指标更为敏感，因而针对高瓦斯矿井进行分级。高瓦斯矿井特征分析见表10。

根据综采工作面瓦斯特征，对瓦斯进行等级划分，见表11。

1.2 微环境指标类型归一化及无量纲化分析

将温度、湿度、风速设置为区间指标，设待评估对象P的指标r值x，指标分级标准临界值为y（t为分级值），若有

y＞x≥y（5）

则指标r的分级结果为t级。

指标是分为两种类型的：极大最优和极小最优^[15]。对于极大和极小指标之间的转化如下所示：此处将所有指标转化为极大型指标，设有极小型指标x，令

X^*=M-x（6）

对于极大型指标X^*，M为指标x的允许上界。

采用极值处理法对量纲进行处理，对计算出的极值建立数学模型见式（7）。

模型中x为第i个对象的第j个指标；m为指标的最小值。

根据上述对煤矿企业井下各项微环境指标的归一化和无量纲化分析，建立井下微环境风险评估等级表，见表12。

2 煤矿企业井下微环境评估模型构建

2.1 微环境评估数学模型构建

模糊综合评价法是基于数学理论的评估方法^[16]，能够将定性评价转化为定量评价，对于多种因素制约对象的评价具有结果清晰、系统性强的特点。设评估对象为A，其代表井下微环境管理的目标层，瓦斯、粉尘、有害气体、温度、湿度、噪声、光照、作业条件这8个指标作为井下微环境的基准层u，那么目标层和基准层的关系集合A=（u，u，u，u，u，u，u，u），准则层与方案层的因素关系及权重集也按照上述过程分析^[17]。

目标层A的单因素模糊判断矩阵为

对于目标层 A中各因素之间的权重为w=w，w，…w，对u的模糊评估结果（B）可表示为

2.2 模糊综合评估的分析

评估对象集合A代表煤矿企业井下微环境，u代表A的上一层，那么集合u中各指标对应的模糊评判数据组成A的模糊关系矩阵R，设集合A中各因素之间的权重为w=（w，w，…，w），那么综合模糊评估结果（B）可表示为

2.3 模糊合成算子模型

在进行模糊综合评估计算过程中，运算模型有以下四种，可针对不同的情况进行选择，评估结果也会不同^[18]。

1. 模型Ⅰ M（∧，∨）

式中，a为r对应判断矩阵的权重值。

综合评判的结果b的值，是a与r（i=1，2，…，n）进行比较计算出来的，先比较综采工作面微环境指标比较小的值，再比较大的值。

2.3.2 模型Ⅱ M（·，∨）

模型Ⅱ中综合评判的取值是a·r，a表示综合评估指标因子的修正值。

2.3.3 模型Ⅲ M（∧，⊕）

先比较取最小值，然后进行有界和处理，这里运算为有界和，即ab=min（1，a+b）。

2.3.4 模型Ⅳ M（·，⊕）

在实际煤矿企业井下中所收集的数据大多数不完整，因此需结合采用层次分析来确定各项微环境指标的权重，根据权重结果建立综合评估模型，对评估出的结果进一步进行综合排序，具体反转排序步骤如下。

1）对井下微环境的8个指标的评估结果由大到小进行排序，从而可得优势数矩阵D。

2）对待评估井下微环境的优势数元素进行由小到大的排序。

3）对b值进行设置，计算优势权向量和综采工作面指标的优势权向量。

4）构造评估对象两两间优势比较的随机优势权向量；对于任意两个评估对象o^·和o均用优胜度表示两评估对象间的优劣关系。

5）基于蒙特卡罗模拟算法计算得到的优胜度矩阵见式（15）。

对应b取值的数据序列进行分析进而得到综合优胜度矩阵S为

优胜度矩阵中的s表达了对象o优于o的概率，此处用排序链中最小的s表示该排序链的可能性系数，稳定性系数的定义式为，t∈（0，1]

2.4 煤矿企业井下微环境NOSA综合评估模型

NOSA系统的高效和可靠性主要体现在企业工伤和其他意外事故^[19]，在NOSA流程的计划阶段，将NOSA与综采工作面环境危险因素相融合，构成基于NOSA的综采工作面微环境管理模型。将基于NOSA的综采工作面微环境管理项目的启动、计划、实施、控制和收尾5个阶段进行工作流分析并研究每个项目管理过程中的主要任务，扩大每个项目管理过程的重点，该管理体系推行工作的程序图如图1所示。根据NOSA五星安健环管理系统对基于NOSA的综采工作面微环境管理项目的各个流程进行分级管控，分析NOSA系统的评审内容和原则，对整体系统中的各项指标进行分级管控。

3 煤矿企业井下微环境评估案例应用

3.1 煤矿企业井下微环境指标权重分析

以陕西某矿807综采工作面为案例应用对象。该矿井属于高瓦斯矿井，煤层的特质为不易自燃，煤尘具有爆炸危险性、低硫、低磷、低灰、高发热量等特点，无明显的地质灾害。807工作面可采长度3 417 m，倾斜长度235 m，采高2.4 m，生产班每班割5刀煤，循环产量597 t，日产量4 776 t。

将煤矿综采工作面微环境系统安全作为目标层（A），那么准则层（B）包括温度B、湿度B、粉尘B、瓦斯B、有害气体B、噪声B、光照B和作业条件B这8个因素，得出目标层A=（B、B、B、B、B、B、B、B）。通过收集5位专家对工作面微环境的指标因子的权重进行打分，经统计分析得出判断矩阵如下

1）单排序B、B、B、B、B、B、B、B指标权重计算，运用乘积方根法计算，并得到判断矩阵的特征向量，通过一致性检验最大特征根为

得到

由于RI=1.41，因此得到

CR=CI/RI=0.172 3/1.41=0.019 4<0.1，满足一致性要求，故得出综合指标权重，见表13。

3.2 基于NOSA的煤矿企业井下微环境风险评估

基于上述陕西某矿807综采工作面微环境指标的综合权重值。建立评语等级论集V={V、V、V、V、V}，其等级评语分别为极可靠V、很可靠V、可靠V、不可靠V、极不可靠V。同时确定指标因子的隶属函数，计算综采工作面微环境指标因子的隶属度，根据隶属度进行环境整改，基于NOSA系统的分级管控，结合陕西某矿807综采工作面的微环境管理情况，建立模糊关系矩阵，对温度B进行打分见表14。

建立模糊判断矩阵

选取模型M（·，⊕）进行模糊综合评估

b=∑ni=1a·r，（j=1，2，…，m）

B=W·R=

［0.346 80.440 10.144 50.059 30］

max（B）为煤矿井下微环境模糊综合评估的结果。

根据α=nβ－1/2γn－1进行验证，已知n=8，β=0.506 7，γ=0.226 8根据检验最大有效度原则可知，实施有效，安全评估结果为较安全，对应NOSA管理的评级为Ⅲ级。

3.3 结果讨论与分析

研究分析该矿807综采工作面微环境评估结果，以此类推可得到在相对安全内综采工作面微环境各指标的取值范围，见表15。

由此，对该矿建议对综采工作面微环境相关指标进行调控，对改善后的微环境再次基于模糊评价法进行评估，对应NOSA管理的星评等级为Ⅱ级（良）水平，整改结果明显，但仍存在一定的概率转换为Ⅲ级（中）。

依据该矿2023年1月—2023年12月的综采工作面微环境事故隐患数据、重要与高频事故隐患分析结果，设计基于NOSA的综采工作面微环境评价模型并进行试运行，基于NOSA的综采工作面微环境风险管理实现了对煤矿事故隐患排查治理的精细化管理，提升了煤矿井下综采工作面微环境管理水平，为井下作业人员提供了更好的作业环境。

3.4 应对措施分析

影响煤矿企业井下微环境指标中粉尘、瓦斯和有害气体占有较高权重，温度、湿度次之，光照和作业条件占权重最小，因此建立基于NOSA的综采工作面环境管理体系，制定相关指标应对措施。

1）构建多维数据耦合分析模型。通过融入Apriori关联规则算法，对粉尘、瓦斯和有害气体等指标进行关联规则分析，并对微环境指标进行实时监测及预测预警，基于NOSA管理体系下，构建融合瓦斯、风量等数据的耦合分析模型，实现对多维数据的关联分析，精准掌握井下微环境指标态势。

2）建立辅助决策方案机制。将井下各类环境感知设备融入NOSA管理体系中，基于上述模型分析基础上，结合现场实际情况，根据预测预警机制，制定辅助决策方案，为井下环境管理与设备调控提供指导性建议。

3）实现井上下设备联动调控。将智能通风、智能防尘、智能防灭火等系统均融入NOSA管理体系中，实现对智能风门、智能喷雾等多智能体的联动，通过调控风量及喷雾等措施，有效改善井下工作面作业环境。

基于NOSA的煤矿企业井下环境管理体系不仅能反映现场生产状态下的危害情况，且能够实现随工作面的不断推进，根据工作面微环境发生不同程度的变化，实时对综采工作面微环境情况进行监管和检查，快速制定辅助决策方案，并采取应对措施，提高煤矿井下综采工作面的管理能力，为作业人员提供安全、健康的作业环境。

4 结语

1）选取煤矿企业井下温度、湿度、粉尘、有害气体、噪声、光照、瓦斯和作业条件等8个因素作为煤矿井下微环境评价指标，并对各项指标进行归一化和无量纲化处理，建立了基于NOSA管理的综合评价体系以及分级管控机制。

2）采用层次分析和模糊综合评价相结合的方法确定煤矿企业井下各项微环境指标的权重，将NOSA与煤矿企业井下各项环境危险因素权重结果相融合，构成基于NOSA的煤矿企业井下微环境管理模型。

3）将模型应用于陕西某煤矿，该模型对该矿的安全评价结果为较安全，对应NOSA管理的评级为三星，符合现场实际情况，所提模型能够较好的对井下微环境指标进行分析计算，同时针对煤矿企业井下微环境管理制定了构建多维数据耦合分析模型、建立辅助决策方案机制以及井上下设备联动调控等相关应对措施，对提升煤矿井下微环境管理水平具有重要指导意义。

参考文献：

[1] 国家发展改革委.关于印发《关于加快煤矿智能化发展的指导意见》的通知[Z].2020-02-25.

[2]国家矿山安全监察局.国家矿山安全监察局关于进一步加强煤矿煤仓安全管理的通知[Z].2024-03-14.

[3]郭佐宁，牛虎明，习晓，等.智能化井工煤矿运行与维护管理标准框架[J].智能矿山，2024，5（03）：32-38.

[4]任志成，时宝，胡继峰，等.煤矿安全管理智能化建设及发展研究[J].中国煤炭，2023，49（07）：61-66.

[5]杨志方.基于雷达与视觉融合的双模态煤矿井下环境感知技术[J].工矿自动化，2023，49（11）：67-75.

[6]顾清华，何鑫鑫，王倩，等.基于改进YOLOv5的煤矿井下暗环境矿工安全穿戴智能识别[J].矿业研究与开发，2024，44（03）：201-208.

[7]关维娟，何刚，赵志根.基于多目标决策理想区间法的煤矿工作面作业环境评价[J].煤炭技术，2018，37（06）：30-32.

[8]邢媛媛，王恩元，陈燕文.基于可变模糊识别理论的煤矿掘进工作面环境评价的研究[J].矿业安全与环保，2019，46（05）：109-113.

[9]胡媛媛，李乐乐.基于投影寻踪模型的煤矿掘进工作面环境评价[J]．煤矿机电，2021（04）：37-40.

[10]马小辉，牛晓鹏，王冰.NOSA+标准化管理体系在煤矿防冲管理中的应用[J].陕西煤炭，2023，42（02）：192-196.

[11]谢嘉成，房舒凯，王学文，等.“人本智造与XR+”驱动的综采工作面人机协同智能化运行模式探索与实践[J].煤炭学报，2023，48（02）：1099-1114.

[12]闫泽文，谢嘉成，李素华，等.基于虚拟现实与数字孪生技术的综采工作面直线度求解[J].工矿自动化，2023，49（02）：31-37.

[13]李延河，赵万里，于振子，等.深部矿井高温采煤工作面热源及温度场演化规律分析[J].中国煤炭，2024，50（05）：59-67.

[14]李学杰.布尔台煤矿采煤工作面热源分析及治理技术[J].煤炭技术，2021，40（04）：112-115.

[15]江静枝.基于光散射法的颗粒浓度检测系统研制[D]．南京：东南大学，2018.

[16]马宏伟，王建科，王川伟.煤矿巷道掘进护盾临时支护装置模块化变权模糊评价方法[J].西安科技大学学报，2023，43（03）：576-585.

[17]彭贺.煤矿应急能力模糊综合评价研究[J].煤矿现代化，2023，32（02）：48-52.

[18]武杰，李国富.基于模糊数学的山西省典型煤矿区煤层气可采性评价[J].煤炭技术，2022，41（10）：29-32.

[19]杨尤平.基于NOSA管理体系的分布式燃机基建安全管理[J].电力安全技术，2022，24（11）：4-7.

（责任编辑：王强）